python人脸识别百度api_【肥宅快乐贴】使用百度人脸识别API，对爬取的小姐姐进行颜值排序...

在上一篇文章中，我们用python实现了对图片网站上的小姐姐图片爬取：

这篇文章就来演示一下，对爬取下来的小姐姐图片进行颜值判定，然后根据颜值高低来对图片进行排序。

颜值判定的API是百度的，这个API我测试过好多图，准确度还蛮高，且免费不限制使用次数(限速每秒2次)，毕竟百度是国内大厂 (～￣▽￣)～。也希望大家手下留点情，不要把百度人脸识别API和小姐姐图片站给玩坏了

环境准备：

python3，requests模块，百度人脸识别API。

python3怎么装我就不说了，requests模块的话，在python环境的电脑里，直接打开cmd，执行pip install requests 就可以了。

创建完成后，在“管理应用”里面找到你的APPid，API key，Secret key就可以了。

一、逻辑分析

在正式开始写之前，需要把逻辑给分析清楚，然后根据这个逻辑，来编写相应的代码。在本篇文章的这个程序中，首先要把图片上传到百度云人脸识别服务器中进行识别，然后过滤掉没有人脸的图、男性的图和人脸置信度过低的图，然后再对图片进行颜值排序。

流程如下：

① 遍历本地文件夹中的图片

② 将本地照片上传到百度云的人脸识别服务器中，返回识别参数。

③ 分析返回的参数，过滤掉不是人脸的图片

④分析返回的参数，过滤掉男性的图片

⑤ 分析返回的参数，过滤掉人脸置信度过低的图片

⑥从返回的参数中取出图片的颜值，加上这张图片对应的路径，统一存放到一个字典中，格式为 {路径:颜值}

⑦ 循环取出字典中颜值最大的元素的路径和颜值，删除最大值，复制到新的文件夹，然后重命名文件为 排名+颜值。

二、分析百度人脸识别API

根据文档描述，可以看到，需要先使用你的API key和Secret id请求鉴权秘钥，然后再通过鉴权秘钥去请求人脸识别服务器。

1.计算鉴权秘钥(access_token)

运行结果：

这一串东西就是我们需要的鉴权秘钥。

2.发送图片到百度的人脸识别服务器

因为本次程序是识别本地的图片，所以我们不考虑文档中的网络图片和图片face_id的情况。

根据文档，我们需要发送的内容有：access_token(放在url参数里)，图片的base64编码和图片的类型，请求的参数：beauty(颜值)，gender(性别)。发送方式为post。我们以识别下面这张图的小姐姐为例：

运行一下，成功返回了：

3.处理返回的数据

上一步中完整的返回数据如下：

{'error_code': 0, 'error_msg': 'SUCCESS', 'log_id': 7594757925058, 'timestamp': 1538733924, 'cached': 0, 'result': {'face_num': 1, 'face_list': [{'face_token': '8cea6b27151c7e5253d501fb14cda5fc', 'location': {'left': 342.3506775, 'top': 111.2269287, 'width': 89, 'height': 84, 'rotation': -16}, 'face_probability': 1, 'angle': {'yaw': 8.847219467, 'pitch': 6.044753075, 'roll': -17.03232384}, 'beauty': 65.53157043, 'gender': {'type': 'female', 'probability': 0.9999910593}}]}}

这是一组字典嵌套列表嵌套字典嵌套字典的数据。我们需要的数据如下：

error_code：判断是否成功识别 【0为成功，其他code为不成功】

result里的face_list里的的第1个元素中的face_probability 【0-1，越大越可能是人脸】

result里的face_list里的的第1个元素中的 beauty 【0-100，越大颜值越高】

result里的face_list里的的第1个元素中的 gender 中的 type 【性别，male为男性，female为女性】

这些元素的访问方法如下：

运行一下看结果：

这里就获取到了我们需要的信息。

三、完整代码的实现

import requests

from json import loads

from base64 import b64encode

import os

import shutil

API_key = '改成你自己的'

Secret_key = '改成你自己的'

根据文档，定义获取access_token的url地址，传入API key和Secret key

请求秘钥，获得返回的文字内容

token_request = requests.get(token_url).text

将返回的内容格式化为字典形式，并访问字典中"access_token"的值

access_token = loads(token_request)['access_token']

写一个函数

def AiFace(img_path):

url = 'https://aip.baidubce.com/rest/2.0/face/v3/detect?access_token=' + access_token       #请求的url，加上access_token参数

img = open(img_path,'rb').read()    #二进制方式读取图片

img_b64 = b64encode(img)     #将图片转为base64编码

#发送的数据

data = {

'image':img_b64,      #图片的base64编码

'image_type':'BASE64',  #图片类型

'face_field':'beauty,gender',   #需要返回的参数

'max_face_num':1    #每张图片中最多返回一张人脸

}

r = loads(requests.post(url,data).text)     #请求一下，然后把返回的内容转化为字典形式

if r['error_code'] == 0:    #如果识别成功，函数结束，return出结果

return r['result']['face_list'][0]

#如果不成功，那么啥都不return(None)

开始运行

img_folder = 'd:/test/'     #图片文件夹

save_folder = 'd:/result/'  #结果保存的文件夹

#

for root,path,files in os.walk(img_folder):     #遍历图片文件夹

info_dic = {}

count = 0

for file in files:

complete_path = os.path.join(root,file)     #获得文件的完整路径

if '.jpg' in complete_path:     #去除不是jpg的文件

count += 1

print(str(count)+'-检测--->'+complete_path)

result = AiFace(complete_path)  # 实例化函数

if result != None:      #去除识别错误的文件(没有人脸)

face_probability = result['face_probability']  # 是人脸的可能性

beauty = round(result['beauty'], 2)  # 颜值，保留二位小数

gender = result['gender']['type']  # 男女

if face_probability >0.75:  #去除人脸置信度小于0.75的图片

if gender == 'female':  #去除不是女性的图片

info_dic[complete_path] = beauty    #结果保存到字典中 {文件路径:颜值}

print('---检测到人脸，颜值'+str(beauty)+'分---')

os.makedirs(save_folder)

face_count = len(info_dic) #计算字典长度

for i in range(1,len(info_dic)+1):  #遍历字典中的内容

max_beauty_file = max(info_dic,key=info_dic.get)    #找到最高颜值对应的key(文件路径)

beauty_score = info_dic[max_beauty_file]        #找打到最高颜值

img_name = str(i)+'-('+str(beauty_score)+'分).jpg'

shutil.copy(max_beauty_file,save_folder+img_name)   #复制到新文件夹并改名为排名+颜值分

info_dic.pop(max_beauty_file)     #删除字典中的这个元素

i+=1

print('\n完成,共检测'+str(count)+'张图片，其中'+str(face_count)+'张有人脸')

print('颜值排序已保存到:'+save_folder)

上面每一步都注释了，这里的颜值排行主要通过字典排序的算法实现。

随便找几张图测试一下：

运行结果：

排序文件夹：

、